从“会展示”到“会讲解”:基于魔珐星云 + 大模型打造企业数字展厅AI讲解员(开源实战)

如果你也在做企业展厅、管理驾驶舱、发布会大屏,想让"数据可视化"真正走向"可理解、可互动、可运营",这篇实战直接复用。

演示视频:https://www.bilibili.com/video/BV1NwikBUEmf

魔珐星云邀请码(新用户可用):J3GAY6LS8W,(要使用专属邀请码)可免费获取1000积分,体验数字人2000分钟!

一、项目背景:为什么大屏越来越"炫",却不一定"好用"?

很多企业已经有了数据大屏,但实际接待客户、领导巡检或跨部门汇报时,常见问题依然明显:

  1. 数据很多,但缺乏讲解逻辑:访客看得到数字,却不理解业务含义。
  2. 过度依赖人工讲解:人员培训成本高,且难以保证讲解质量一致。
  3. 互动能力不足:传统看板偏"播放型",访客无法即时提问。
  4. 异常和任务提醒不及时:信息在屏幕上"出现过",但未必被真正感知。

这也是我们做这个项目的出发点:让企业大屏从"静态展示工具",升级为"可讲解、可问答、可播报"的智能展示系统。


二、项目简介:我们做了什么?

本项目是一个基于 Vue3 + Vite 的企业数字展厅应用,核心整合了两类AI能力:

  1. 魔珐星云数字人 SDK:实现拟真数字人讲解、任务播报、状态切换。
  2. 大模型流式问答:支持访客输入问题,实时生成回答并由数字人播报。

项目地址:https://gitcode.com/Mrxiao_bo/mofa-large-screen

已落地的核心功能

  1. AI数字人讲解:一键开始讲解,自动解读企业核心指标与业务结构。
  2. 智能问答:访客可直接提问,系统实时回答并语音播报。
  3. 任务分发播报:任务信息支持一键播报,适配管理驾驶舱场景。
  4. 异常告警提醒:指标越界触发视觉报警,可扩展语音告警。
  5. 待机省成本机制:讲解结束自动进入待机,减少无效消耗。

三、系统架构设计:展示层、AI能力层、数据层三位一体

从工程角度看,这个项目的关键不是"一个页面里放了多少卡片",而是形成完整闭环:

  • 用户看数据 -> 系统能讲解
  • 用户提问题 -> 系统能理解并回答
  • 数据有异常 -> 系统能主动提醒
  • 任务要分发 -> 系统能标准播报

这意味着它不仅是一个前端展示页面,而是一个"可表达的业务界面"。


四、解决的痛点与业务价值

1)降本:降低讲解人员压力

展厅讲解不再完全依赖人工,数字人可承接高频标准化讲解场景。

2)增效:提升信息触达效率

同一批数据,通过"图表 + 口播 + 互动问答"三种表达方式,更易被理解与记忆。

3)提质:统一对外讲解口径

企业介绍、技术实力、业务结构可以沉淀为标准讲解模板,避免不同讲解员风格差异。

4)可运营:从一次展示变成长期资产

通过参数化配置与接口预留,后续可接入真实业务数据、CRM、任务系统、告警系统,持续演进。


五、快速启动(本地运行)

bash 复制代码
# 1) 安装依赖
npm install

# 2) 启动开发环境
npm run dev

# 3) 打包构建
npm run build

访问后建议按以下顺序验证:

  1. 点击右上角"开始讲解"验证数字人加载与语音链路。
  2. 在问答输入框提问,验证模型调用与播报闭环。
  3. 点击任务播报按钮,验证语音播报模板。
  4. 观察指标变化与异常提示逻辑。

六、魔珐星云配置教程(手把手)

第1步:注册并登录

进入魔珐星云平台完成注册。新用户可使用邀请码:J3GAY6LS8W,可免费获取1000积分,体验数字人2000分钟!

第2步:创建应用并获取凭证

创建应用后记录以下配置:

  • appId
  • appSecret
  • gatewayServer

第3步:在项目中填入配置

src/composables/useXingyunAvatar.js 中配置:

javascript 复制代码
const config = {
  appId: 'your_app_id',
  appSecret: 'your_app_secret',
  gatewayServer: 'https://nebula-agent.xingyun3d.com/user/v1/ttsa/session'
}

第4步:验证效果

点击"开始讲解",若数字人成功加载、状态切换正常并可播报,说明配置成功。


七、大模型配置教程(OpenAI兼容接口)

第1步:选择模型服务商

可使用 OpenAI 官方或兼容 OpenAI 格式的模型服务。

第2步:创建 API Key 与模型 ID

在服务商控制台创建密钥并确认模型名。

第3步:在项目中配置

src/composables/useGPT.js 中填入:

javascript 复制代码
const config = {
  apiUrl: 'https://your-api-domain/v1/chat/completions',
  apiKey: 'your_api_key',
  model: 'your_model_name'
}

第4步:优化系统提示词

建议在 systemPrompt 中明确角色边界:

  • 你是企业展厅讲解员
  • 回答控制在简洁范围
  • 优先围绕企业业务和展厅指标回答

第5步:验证问答链路

输入问题后,确认以下流程成功:

  1. 请求发送成功
  2. 返回文本内容可用
  3. 数字人完成语音播报

八、工程实践建议:如何从 Demo 走向可上线

1)密钥安全

当前为了演示便利,配置在前端可快速跑通;但生产环境必须改为后端代理 ,避免 appSecretapiKey 暴露。

2)异常兜底

模型请求超时、SDK初始化失败时,建议加入统一兜底话术,避免体验中断。

3)可观测性

建议增加请求耗时、播报成功率、问答成功率等指标,为后续优化提供依据。

4)真实数据接入

项目已具备接口抽象能力,可逐步对接真实 dashboard/tasks/alerts 数据源,替换模拟数据。

5)场景化扩展

同一套能力可以迁移到:

  • 企业展厅接待
  • 年会/发布会数据讲解
  • 运营监控驾驶舱
  • 工厂中控室语音提醒

九、为什么这套方案值得做?

因为它不是简单"加一个数字人"。

它本质上是把企业可视化系统从"数据堆叠"升级到"认知交互系统":

  • 让系统自己解释数据
  • 让访客可以和系统对话
  • 让关键信息能被主动表达

当一个大屏真正具备"表达能力",它就不再只是展示层,而是企业数字化对外沟通能力的一部分。


十、结语与资源

如果你正在推进企业数字展厅、智能接待或管理驾驶舱项目,这套思路可以低成本起步:

  1. 先实现"可讲解"
  2. 再实现"可问答"
  3. 最后实现"可配置、可运营、可扩展"

资源入口:

如果这篇文章对你有帮助,欢迎收藏、转发,也欢迎一起完善这个项目,让AI数字人真正成为企业展示场景中的"生产力工具"。

相关推荐
EnCi Zheng1 小时前
01c-循环神经网络RNN详解
人工智能·rnn·深度学习
陶陶然Yay2 小时前
神经网络批归一化层梯度公式推导(1)
人工智能·神经网络·机器学习
薛定猫AI2 小时前
【深度解析】GPT-5.5 的工程化跃迁:从“会答题”到“能交付”的 AI 工作流升级
人工智能·gpt
X journey2 小时前
机器学习进阶(23):K-means聚类
人工智能·算法·机器学习
视***间2 小时前
小而强筑内核,智无界启新程 —— 视程空间全栈硬件产品矩阵,赋能千行百业边缘智能升级
人工智能·矩阵·边缘计算·视程空间·终端算力·nvidia jetson
IT_陈寒2 小时前
SpringBoot自动配置的坑差点没把我埋了
前端·人工智能·后端
Zzj_tju2 小时前
大语言模型技术指南:Function Calling、Tool Use、Agent 框架的工作机制与参数要点
大数据·人工智能·语言模型
光影少年2 小时前
高级前端需要学习那些东西?
前端·人工智能·学习·aigc·ai编程
怕浪猫2 小时前
从 Openclaw 、codex、Claude code 爆火看 AI Agent 冲击:只会调 API 的程序员,出路在哪里?🤔🤔🤔
人工智能